当前位置: 代码迷 >> 综合 >> 语义分割,目标检测,变化检测算法精度评价指标(precision、recall、iou、Miou、FWiou、PA、MPA、F1-score、Kappa。。。)
  详细解决方案

语义分割,目标检测,变化检测算法精度评价指标(precision、recall、iou、Miou、FWiou、PA、MPA、F1-score、Kappa。。。)

热度:34   发布时间:2023-12-15 12:41:03.0

混淆矩阵

混淆矩阵也称误差矩阵,是表示精度评价的一种标准格式,用n行n列的矩阵形式来表示。混淆矩阵的每一列代表了预测类别,每一列的总数表示预测为该类别的数据的数目;每一行代表了数据的真实归属类别,每一行的数据总数表示该类别的数据实例的数目。每一列中的数值表示真实数据被预测为该类的数目,以下表为例。

预测

类1

类2

类3

总和

真实

类1

43

5

2

50

类2

4

45

1

50

类3

0

1

49

50

总和

47

51

52

150

precision:

类1:43/47=0.9148

类2:45/51=0.8823

类3:49/52=0.9423

mean-precision=0.9131

recall:

类1:43/50=0.86

类2:45/50=0.9

类3:49/50=0.98

mean-recall=0.9133

iou:

类1:43/(43+7+4)=0.7962

类2:45/(45+5+6)=0.8035

类3:49/(49+3+1)=0.9245

mean-iou(Miou)=0.8414

Miou:

( iou(类1)+iou(类1)+iou(类1))/3=0.8414

FWiou(频权交并比):

w1*iou(类1)+w2*iou(类2)+w3*iou(类3)

=(47/150)*0.7962+(51/150)*0.8035+(52/150)*0.9245

=0.8432

pixel acc(PA):

PA=(43+45+49)/150=0.8832

MPA:

MPA=(43/50+45/50+49/50)/3=0.9133

F1-score:

F1-score=2*precision*recall/(precision+recall)=0.9506

Kappa:

po=PA=(43+45+49)/150=0.8832

pe=(47*50+51*50+52*50)/150*150=0.3333

kappa = (po-pe)/(1-pe)=0.8248

producter acc(PA):

PA=precision=0.9131

Overall Acc(OA):

OA=po=0.8832

user acc(UA):

UA=recall=0.9133

Heddlen acc(HA):

HA = F1-score=0.9506

Short acc(SA):

SA=PA*UA / (PA+UA-PA*UA)=0.8402

错分误差:

错分误差=1-用户精度=0.0867

漏分误差:

漏分误差=1-制图精度=0.0869

  相关解决方案